趙安周, 張安兵, 趙延旭, 范倩倩，趙玉玲

(1.河北工程大學(xué) 礦業(yè)與測繪工程學(xué)院, 河北 邯鄲 056038; 2.河北工程大學(xué)河北省煤炭資源綜合開發(fā)與利用協(xié)同創(chuàng)新中心, 河北 邯鄲 056038; 3.河北工程大學(xué) 建筑與藝術(shù)學(xué)院， 河北 邯鄲 056038)

極端氣候事件是指某類氣候要素統(tǒng)計(jì)量或量值在特定時(shí)間段內(nèi)顯著偏離其平均態(tài)、且達(dá)到或超出其觀測或統(tǒng)計(jì)量值區(qū)間上下限附近特定閾值的事件[1]。相比于氣候平均狀態(tài)，極端氣候事件的發(fā)生更具有反常性、不可預(yù)見性等，會(huì)對生態(tài)環(huán)境和人類社會(huì)的健康發(fā)展造成更為巨大的影響[2-3]。IPCC第五次評估報(bào)告指出，1880—2012年期間，全球平均氣溫升高了0.85℃(0.65 ～1.06℃)[4]。歷時(shí)觀測數(shù)據(jù)表明全球氣候變暖會(huì)增加極端氣候事件(洪澇、干旱、熱浪等)發(fā)生的頻率和強(qiáng)度[5]。極端事件的增多使得全球氣候變化問題受到了國內(nèi)外學(xué)者的廣泛關(guān)注。在全球氣候變暖的背景下，地處生態(tài)環(huán)境脆弱區(qū)的植被生態(tài)系統(tǒng)對極端氣候的響應(yīng)異常敏感，因此有必要選取典型區(qū)域?qū)χ脖桓采w時(shí)空演變及其對極端氣候事件的響應(yīng)進(jìn)行認(rèn)識和評價(jià)。

隨著全球氣候變化日益受到各個(gè)國家和地區(qū)的高度關(guān)注，全球氣候變暖與植被生態(tài)系統(tǒng)的關(guān)系研究已成為當(dāng)前國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)和核心問題[6-7]。目前，氣候變化可以分為波動(dòng)變化、趨勢變化以及極端事件3個(gè)方面[8]。以往對植被覆蓋時(shí)空演變的歸因分析多關(guān)注前兩個(gè)方面對植被的影響，而對極端事件對植被覆蓋變化的影響尚缺乏全面的認(rèn)識[9]。目前，國外學(xué)者針對亞洲蒙古高原[10]、南美洲亞馬遜雨林[11]等生態(tài)敏感區(qū)的植被對干旱、厄爾尼諾等極端事件的響應(yīng)做了一系列探索性研究，取得了卓有成效的研究成果。遺憾的是，國內(nèi)關(guān)于植被生長對極端氣候的響應(yīng)的研究分析稍顯薄弱，尤其是針對陜甘寧等生態(tài)脆弱區(qū)和敏感區(qū)。IPCCAR5同時(shí)指出，1960—2009期間中國的地表平均氣溫上升了1.38℃，高于1951—2012年全球氣溫的上升速率(0.72°C)[12]，氣溫的快速上升使得極端氣候事件出現(xiàn)的強(qiáng)度和頻率都呈現(xiàn)增加的趨勢[13]。在全球氣候變暖背景下，植被生態(tài)系統(tǒng)對極端氣候事件的脆弱性逐漸增加，因此，研究植被對極端氣候事件的響應(yīng)對生態(tài)系統(tǒng)的健康發(fā)展尤為重要。

陜甘寧地區(qū)地處中國西北的黃土高原丘陵溝壑區(qū)，生態(tài)環(huán)境脆弱，是全球氣候變化的敏感地區(qū)和生態(tài)工程建設(shè)的重點(diǎn)區(qū)域，1960—2010年期間，其年均氣溫的上升速率達(dá)到0.336℃/10 a，高于全國的(0.26±0.032)℃/10 a[14]，這些變化將會(huì)導(dǎo)致該地區(qū)出現(xiàn)干旱等極端事件的頻率增大，研究植被覆蓋變化對極端事件的響應(yīng)有助于該地區(qū)一系列生態(tài)工程建設(shè)的順利實(shí)施。鑒于此，利用植被指數(shù)和氣象數(shù)據(jù)，輔以趨勢分析、Mann-Kendall (M-K)檢驗(yàn)以及相關(guān)分析等方法，本文分析陜甘寧地區(qū)植被覆蓋的時(shí)空變化特征和極端氣候指數(shù)的變化特征，并對二者關(guān)系進(jìn)行分析，這對了解區(qū)域生態(tài)環(huán)境演變規(guī)律，促進(jìn)區(qū)域生態(tài)環(huán)境和社會(huì)經(jīng)濟(jì)的健康發(fā)展具有重要的意義。

1　數(shù)據(jù)來源與研究方法

1.1　研究區(qū)概況

陜甘寧地區(qū)處于黃土高原中部的丘陵溝壑區(qū)，是我國生態(tài)環(huán)境治理的重點(diǎn)區(qū)域?？偯娣e約1.38×105km2，在行政單元上包括陜西25縣，甘肅8縣以及寧夏的8縣。氣候類型屬于暖溫帶大陸性季風(fēng)氣候向溫帶半干旱氣候的過渡帶，降水呈從南向北逐漸減小的趨勢，年降水量在330～570 mm，年際變化大，50%以上的降水集中在6—9月。主要地貌類型為山、塬、川。由于地形地貌、強(qiáng)降水和人類活動(dòng)的影響，使得該地區(qū)植被稀疏，水土流失嚴(yán)重[15]。該地區(qū)的植被類型主要包括栽培作物、林地、草地、灌叢等(附圖7)。

1.2　數(shù)據(jù)來源及預(yù)處理

2000—2014年的遙感數(shù)據(jù)來源于美國國家航空航天局(NASA)的EOS/MODIS數(shù)據(jù)產(chǎn)品中的MOD13Q1 NDVI數(shù)據(jù)(http:∥e4ftl01.cr.usgs.gov)，其時(shí)間分辨率為16 d，空間分辨率為250 m×250 m。該數(shù)據(jù)產(chǎn)品具有較高的空間分辨率，同時(shí)經(jīng)過云、氣溶膠、水汽等處理，因此被廣泛應(yīng)用于區(qū)域植被覆蓋時(shí)空變化的研究。首先，使用MRT(MODIS Reprojection Tools)將所下載的MODIS—NDVI數(shù)據(jù)進(jìn)行格式和投影轉(zhuǎn)換；然后，為消除異常值得影響，采用大合成法(MVC)合成月NDVI數(shù)據(jù)，并統(tǒng)計(jì)其年平均值。年NDVI為12個(gè)月NDVI的均值，春季、夏季、秋季和冬季分別為3—5月、6—8月、9—11月以及12—次年2月。同時(shí)為消除植被覆蓋較低區(qū)域的影響,參照該地區(qū)的植被類型圖和已有的研究[16]，將2000—2014年多年生長季NDVI均值大于0.1的區(qū)域作為植被區(qū)域。

植被類型數(shù)據(jù)來源于中國1∶100萬植被數(shù)據(jù)集，陜甘寧地區(qū)的植被主要包括栽培作物、林地、灌叢、草地等。另外，2000—2014年陜甘寧地區(qū)14個(gè)氣象站點(diǎn)的日降水、平均氣溫、最高/最低氣溫?cái)?shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)。本文所選數(shù)據(jù)均經(jīng)過了極值檢驗(yàn)等嚴(yán)格的質(zhì)量檢查。同時(shí)，為保證結(jié)果的可信度，利用RClimDex軟件對所獲取的資料進(jìn)行異常值和錯(cuò)誤值的篩選、日最高氣溫是否小于最低氣溫等質(zhì)量控制[17]。

1.3　研究方法

1.3.1極端氣候指數(shù)的計(jì)算極端氣候指數(shù)定義是基于世界氣象組織氣候委員會(huì)(CCI)、全球氣候研究計(jì)劃(WCRP)氣候變化以及可預(yù)測性計(jì)劃(CLIVAR)氣候變化檢測、監(jiān)測和指標(biāo)專家組(ETCCDMI)等組織和機(jī)構(gòu)所確定的氣候變化檢測指數(shù)[18]。這些指數(shù)目前已廣泛應(yīng)用于極端氣候研究中。本文所選取的極端指數(shù)包括2個(gè)極端降水指數(shù)和10個(gè)極端氣溫指數(shù)，具體見表1。年極端指數(shù)為12個(gè)月極端指數(shù)的均值，春季、夏季、秋季和冬季極端指數(shù)分別為3—5月、6—8月、9—11月以及12—次年2月極端指數(shù)的均值。

表1　極端指數(shù)的定義

1.3.2趨勢分析利用非參數(shù)化趨勢度(Sen)方法[19]來計(jì)算2000—2014年陜甘寧地區(qū)NDVI的變化趨勢，并采用M-K[20]方法檢驗(yàn)其變化趨勢的顯著性，具體計(jì)算公式如下：

(1)

(2)

(3)

(4)

式中：Slope為NDVI的變化趨勢；tj和ti為時(shí)間序數(shù)；NDVIi和NDVIj分別為第i個(gè)月和第j個(gè)月的NDVI值；n為研究時(shí)序。當(dāng)Slope>0的時(shí)候，NDVI呈上升的趨勢；Slope<0的時(shí)候，NDVI呈下降的趨勢。若1.56<|Z|<1.96，NDVI呈弱顯著變化趨勢(p<0.1)；1.96≤|Z|<2.56,NDVI呈顯著變化趨勢(p≤0.05)；|Z|≥2.56，NDVI呈極顯著變化趨勢(p≤0.01)。

1.3.3 相關(guān)分析相關(guān)系數(shù)的計(jì)算公式如下[21]：

(5)

2　結(jié)果與分析

2.1　NDVI時(shí)間變化特征

2000—2014年陜甘寧地區(qū)NDVI呈顯著增加的趨勢，其增加速率為0.066/10 a (p<0.001)。2000年的NDVI年平均值為0.238 4，到2014年增加到0.356 2，增長率為49.41%。期間，2001—2002，2011—2012，2000—2001年的增加速率最快，其增長率分別為16.17%，8.03%和6.33%(圖1)。

圖12000-2014年陜甘寧地區(qū)NDVI變化

同時(shí)，根據(jù)研究區(qū)植被類型圖，進(jìn)一步分析了2000—2014年陜甘寧地區(qū)不同植被類型的NDVI變化趨勢(圖2)，從圖中可知，草地、灌叢、栽培作物、針葉林和闊葉林均呈現(xiàn)顯著上升的趨勢(p<0.001)，其上升速率分別為0.06/10 a，0.058/10 a，0.077/10 a，0.039/10 a和0.036/10 a，栽培作物的上升速率最大，其次為草地。從不同植被的NDVI值來看，針葉林的NDVI年平均值最大，介于0.511 4～0.590 5，草地的NDVI值最小，介于0.193 9～0.301 1。

圖22000-2014年陜甘寧地區(qū)不同植被類型的NDVI變化

2.2　NDVI空間變化特征

2000—2014年期間陜甘寧地區(qū)NDVI均值呈從東南到西北遞減的態(tài)勢，高值區(qū)主要分布在東南部的子午嶺、黃龍山等地，這些地區(qū)的植被類型主要為落葉闊葉林、針葉林等，植被長勢較好；低值區(qū)主要分布在榆林的西北部、吳忠市的東南部等地，這些地區(qū)多為戈壁沙漠，植被較為疏松(附圖8)。NDVI的頻率分布圖顯示陜甘寧地區(qū)呈現(xiàn)單峰的結(jié)構(gòu)，NDVI的平均值為0.307 8，總體植被覆蓋較差，NDVI值小于0.5的像元比例達(dá)到90.19%，其中介于0.2～0.3之間的像元數(shù)最多，比例達(dá)到39.58%。

2.3　NDVI空間趨勢特征

為進(jìn)一步分析陜甘寧地區(qū)NDVI的變化情況，采用Sen方法來計(jì)算2000—2014年陜甘寧地區(qū)NDVI的變化趨勢，并采用M-K方法檢驗(yàn)其變化趨勢的顯著性。結(jié)果表明，陜甘寧地區(qū)NDVI整體呈現(xiàn)上升的趨勢，呈上升和減小趨勢的面積分別占97.92%和1.95%(附圖9)，其中呈極顯著上升和顯著上升的區(qū)域分別占60.70%和14.99%，主要分布在榆林、延安等地區(qū)，其主要原因?yàn)檫@些地區(qū)為"退耕還林還草"等一系列生態(tài)工程重點(diǎn)實(shí)施的區(qū)域，在這些生態(tài)工程的實(shí)施下，該地區(qū)的NDVI 呈顯著增加的趨勢，變化不顯著的區(qū)域僅占17.39%，主要分布在該地區(qū)的東南部的山地等區(qū)域，其主要原因是這些地區(qū)植被主要為林地，變化相對穩(wěn)定。

2.4　極端氣候指數(shù)變化趨勢

2000—2014年陜甘寧地區(qū)12個(gè)極端指數(shù)的變化趨勢見圖3。從圖中可以看出，RX1day,TMAXmean,TNx,TX10,TX90,TXn 和TXx呈現(xiàn)下降的趨勢，其下降速率分別1.66 mm/10 a，0.17℃/10 a，0.74℃/10 a，0.14℃/10 a，1.07℃/10 a，0.29℃/10 a 和1.35℃/10 a。而RX5day,TMINmean,TN10,TN90 和TNn呈現(xiàn)增加的趨勢，其增加速率為2.24 mm/10 a,0.001℃/10 a,1.38 day/10 a,0.64 day/10 a 和0.39℃/10 a，除TXx外，其他所有極端指數(shù)的變化均未通過0.05置信水平檢驗(yàn)。

2.5　不同月份NDVI與極端氣候指數(shù)的關(guān)系

由于植被生長對降水、氣溫等氣象因子存在一定的滯后性，因此年尺度的相關(guān)性并不能很好的解釋植被與極端降水、氣溫的相關(guān)性[16]。鑒于此，本文從月尺度上分析了2000—2014年陜甘寧地區(qū)月NDVI與12個(gè)極端氣候指數(shù)的相關(guān)性。結(jié)果顯示NDVI與RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx有顯著的相關(guān)性(p<0.01)，其決定系數(shù)R2都在0.60以上。但與TN10，TN90，TX10p和TX90p的相關(guān)性較低(p>0.05)，其決定系數(shù)R2都在0.1以下(圖4)。

圖32000-2014年陜甘寧地區(qū)極端氣候指數(shù)變化趨勢

鑒于此，選取與NDVI相關(guān)性較好的8個(gè)極端氣候指數(shù)，分析不同植被類型的月NDVI與極端氣候指數(shù)的相關(guān)性(表2)。從植被類型來看，不同的植被類型對極端氣候指數(shù)的響應(yīng)有所不同，但其NDVI與RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx均有顯著相關(guān)性(p<0.01)。對草地、灌叢、栽培作物、針葉林和闊葉林而言，RX5day可以解釋植被變化的66.11%,63.34%,65.14%,57.86%和57.31%(表2)。

2.6　不同季節(jié)NDVI與極端氣候指數(shù)的關(guān)系

考慮到不同的季節(jié)NDVI對極端氣候指數(shù)的響應(yīng)不同，本文進(jìn)一步分析了不同季節(jié)NDVI與極端氣候指數(shù)的相關(guān)性(表3)。

從表中可以看出，春季和秋季的NDVI與極端降水指數(shù)(RX1day和RX5day)和極端氣溫指數(shù)(TMAXmean，TMINmean，TNn，TNx，TXn和TXx)均有顯著的相關(guān)性(p<0.01)；夏季的NDVI僅與RX1day和RX5day呈顯著正相關(guān)(p<0.05)，與TMAXmean和TXx呈顯著負(fù)相關(guān)(p<0.01)；在冬季，NDVI與極端降水指數(shù)呈現(xiàn)負(fù)相關(guān)，其中與RX1day有顯著的相關(guān)性(p<0.05)。

表2　2000-2014年陜甘寧地區(qū)不同植被類型月NDVI與月極端氣候指數(shù)的相關(guān)性

表3　不同季節(jié)NDVI與極端氣候指數(shù)的相關(guān)性

注：**和*分別代表0.01，005顯著性水平，下表同。

同時(shí)，本文進(jìn)一步分析了陜甘寧地區(qū)不同季節(jié)14個(gè)氣象站點(diǎn)的NDVI與極端氣候指數(shù)的相關(guān)性，具體步驟為如下：(1)以氣象站點(diǎn)為中心，提取站點(diǎn)周邊3×3像元范圍內(nèi)的NDVI均值作為該站點(diǎn)的NDVI值；(2)基于上述結(jié)果，逐站點(diǎn)計(jì)算NDVI與極端氣候指數(shù)的相關(guān)系數(shù)。在春季和秋季，所有氣象站點(diǎn)的NDVI與極端氣候指數(shù)均呈現(xiàn)顯著的正相關(guān)(p<0.05)；在夏季，除洛川站外，所有氣象站點(diǎn)的NDVI與降水極端氣候指數(shù)(RX1day和RX5day)均呈現(xiàn)正相關(guān)，但是只有21.43%和42.86%的氣象站點(diǎn)通過了0.05顯著性水平檢驗(yàn)，主要分布在中部地區(qū)，對于TMINmean，TNn，TNx和TXn極端氣溫指數(shù)來說，只有28.57%，21.43%，14.19%和7.15%的站點(diǎn)與NDVI呈顯著正相關(guān)(p<0.05)，對TMAXmean和TXx極端氣溫指數(shù)來說，除西吉站外，所有氣象站點(diǎn)的NDVI與極端氣候指數(shù)均呈現(xiàn)負(fù)相關(guān)，但只有21.43%和28.57%的站點(diǎn)通過了0.05顯著性水平檢驗(yàn)，主要分布在北部的榆林等地；在冬季，所有站點(diǎn)的NDVI與極端降水指數(shù)呈負(fù)相關(guān)，50%和85.71%的站點(diǎn)通過了0.05顯著性水平檢驗(yàn)，對于極端氣溫指數(shù)來看，所有站點(diǎn)的NDVI與TMAXmean呈現(xiàn)正相關(guān)，除了西北部的西吉站外，其他所有站點(diǎn)均未通過0.05顯著性水平檢驗(yàn)，50%，64.29%，28.57%，92.86%和92.86%的氣象站點(diǎn)的NDVI與TMINmean，TNn，TNx，TXn和TXx呈正相關(guān)，但均未通過0.05顯著性水平檢驗(yàn)。

2.7　NDVI與極端氣候指數(shù)的滯后性分析

由于植被生長對水熱條件的改變存在一定的滯后性，本文進(jìn)一步分析了NDVI與當(dāng)月、前1個(gè)月、前2個(gè)月以及前3個(gè)月極端氣候指數(shù)的相關(guān)性(表4)。從表中可以看出，陜甘寧地區(qū)月NDVI與當(dāng)月、前1個(gè)月、前2個(gè)月的極端氣候指數(shù)均存在顯著相關(guān)性(p<0.01)，與前3個(gè)月的極端氣溫指數(shù)存在顯著的相關(guān)性(p<0.05)，與極端降水指數(shù)(RX1day和RX5day)和極端氣溫指數(shù)(TMAXmean和TXx)前1個(gè)月的相關(guān)性大于當(dāng)月、前2個(gè)月以及前3個(gè)月，表明該地區(qū)的植被對這些極端氣候的響應(yīng)存在滯后性。

表4　月NDVI與當(dāng)月、前1個(gè)月、前2個(gè)月、前3個(gè)月極端氣候指數(shù)相關(guān)系數(shù)

圖42000-2014年陜甘寧地區(qū)月NDVI與月極端氣候指數(shù)的相關(guān)性

3　結(jié)論與討論

(1) 2000-2014年期間陜甘寧地區(qū)植被NDVI呈顯著增加趨勢，其增加速率為0.066%/10 a (p<0.001)。分植被類型來看，草地、灌叢、栽培植被、針葉林和闊葉林均呈現(xiàn)顯著上升的趨勢(p<0.001)。

(2) 空間上，陜甘寧地區(qū)的植被NDVI呈從東南到西北減小的趨勢，高值區(qū)主要分布在東南部的子午嶺、黃龍山等山區(qū)，低值區(qū)主要分布在西北部的榆林等地。植被NDVI整體呈上升的趨勢，其中呈極顯著上升和顯著上升的區(qū)域分別占60.70%和14.99%。

(3) 極端氣候指數(shù)中，RX5day，TMINmean，TN10，TN90和TNn呈現(xiàn)增加的趨勢、其他極端氣候指數(shù)呈現(xiàn)下降的趨勢，除TXx外，其他所有極端指數(shù)的變化均未通過0.05置信水平檢驗(yàn)。

(4) 相關(guān)分析表明，在月尺度上，NDVI與RX5day，RX1day，TMAXmean，TMINmean,TNx，TNn，TXn和TXx存在顯著相關(guān)性，從植被類型來看，不同的植被類型對的NDVI與RX5day，RX1day，TMAXmean，TMAXmean，TNx，TNn，TXn 和TXx均有顯著相關(guān)性。

(5) 滯后性分析表明陜甘寧地區(qū)植被月NDVI與極端降水指數(shù)(RX1day和RX5day)和極端氣溫指數(shù)(TMAXmean和TXx)前1個(gè)月的相關(guān)性大于當(dāng)月、前2個(gè)月以及前3個(gè)月，表明該地區(qū)的植被對這些極端氣候的響應(yīng)存在一定的滯后性。

極端氣候事件對植被的影響是一個(gè)非常復(fù)雜的過程，目前已經(jīng)受到國內(nèi)外學(xué)者的廣泛關(guān)注[10,22-24]。相關(guān)分析表明，在月尺度，NDVI與RX1day，RX5day，TMAXmean，TMINmean，TNn，TNx，TXn和TXx有極強(qiáng)的相關(guān)性，這與Tao等在鄱陽湖流域的研究結(jié)果類似[25]。在不同的季節(jié)，NDVI與極端氣候指數(shù)相關(guān)性不同，春季和秋季的相關(guān)性高于冬季和夏季，主要是由于溫度過高會(huì)加速地表蒸散發(fā)的過程，使得土壤水分的減小，抑制植被的生長[26]。此外，隨著近年來陜甘寧地區(qū)農(nóng)業(yè)生產(chǎn)水平的逐步提高，其生活方式也發(fā)生了改變，人口對該區(qū)域生態(tài)環(huán)境的壓力有所減輕，在沒有大的氣候波動(dòng)的情況下，該地區(qū)的植被未來將呈現(xiàn)平穩(wěn)增長的趨勢[14]。但區(qū)域氣候模式表明，2011—2050年陜甘寧地區(qū)會(huì)出現(xiàn)暖干化的變化趨勢，因此需要進(jìn)一步評估未來氣候場景下的極端氣候事件對植被的影響，明確極端氣候事件與植被的相互影響機(jī)制。

參考文獻(xiàn):

[1]鄭景云,郝志新,方修琦,等.中國過去2000年極端氣候事件變化的若干特征[J].地理科學(xué)進(jìn)展,2014,33(1):3-12.

[2]劉憲鋒,朱秀芳,潘耀忠,等.近53年內(nèi)蒙古寒潮時(shí)空變化特征及其影響因素[J].地理學(xué)報(bào),2014,69(7):1013-1024.

[3]Easterling D R, Meehl G A, Parmesan C, et al. Climate extremes: Observations, modeling, and impacts[J]. Science, 2000,289(5487):2068-2074.

[4]Liao H, Chang W. Integrated assessment of air quality and climate change for policy-making: highlights of IPCC AR5 and research challenges[J]. National Science Review, 2014,1(2):176-179.

[5]趙安周,劉憲鋒,朱秀芳,等.1965—2013年黃土高原地區(qū)極端氣溫趨勢變化及空間差異[J].地理研究,2016,35(4):639-652.

[6]Nemani R R, Keeling C D, Hashimoto H, et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science, 2003,300(5625):1560-1563.

[7]Ma Z, Peng C, Zhu Q, et al. Regional drought-induced reduction in the biomass carbon sink of Canada′s boreal forests[J]. Proceedings of the National Academy of Sciences, 2012,109(7):2423-2427.

[8]Ding M, Zhang Y, Liu L, et al. The relationship between NDVI and precipitation on the Tibetan Plateau[J]. Journal of Geographical Sciences, 2007,17(3):259-268.

[9]劉憲鋒,潘耀忠,朱秀芳,等.2000—2014年秦巴山區(qū)植被覆蓋時(shí)空變化特征及其歸因[J].地理學(xué)報(bào),2015,70(5):705-716.

[10]John R, Chen J, Ou-Yang Z T, et al. Vegetation response to extreme climate events on the Mongolian Plateau from 2000 to 2010[J]. Environmental Research Letters, 2013,8(3):33-35.

[11]Hilker T, Lyapustin A I, Tucker C J, et al. Vegetation dynamics and rainfall sensitivity of the Amazon[J]. Proceedings of the National Academy of Sciences, 2014,111(45):16041-16046.

[12]Stocker T F. Climate change 2013: The physical science basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge University Press, 2014.

[13]Reichstein M, Bahn M, Ciais P, et al. Climate extremes and the carbon cycle[J]. Nature, 2013,500(7462):287-295.

[14]李雙雙,延軍平,萬佳.近10年陜甘寧黃土高原區(qū)植被覆蓋時(shí)空變化特征[J].地理學(xué)報(bào),2012,67(7):960-970.

[15]Li S, Yang S, Liu X, et al. NDVI-based analysis on the influence of climate change and human activities on vegetation restoration in the Shaanxi—Gansu—Ningxia region, Central China[J]. Remote Sensing, 2015,7(9):11163-11182.

[16]劉憲鋒,朱秀芳,潘耀忠,等.1982—2012年中國植被覆蓋時(shí)空變化特征[J].生態(tài)學(xué)報(bào),2015,35(16):5331-5342.

[17]王瓊,張明軍,王圣杰,等.1962—2011年長江流域極端氣溫事件分析[J].地理學(xué)報(bào),2013,68(5):611-625.

[18]李雙雙,楊賽霓,劉憲鋒.1960—2013年秦嶺—淮河南北極端降水時(shí)空變化特征及其影響因素[J].地理科學(xué)進(jìn)展,2015,34(3):354-363.

[19]Sen P K. Estimates of the regression coefficient based on Kendall′s tau[J]. Journal of the American Statistical Association, 1968,63(324):1379-1389.

[20]Kendall M G. Rank correlation methods[J]. British Journal of Psychology, 1984,25(1):86-91.

[21]Peng J, Liu Z, Liu Y, et al. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent[J]. Ecological Indicators, 2012,14(1):28-39.

[22]趙舒怡,宮兆寧,劉旭穎.2001—2013年華北地區(qū)植被覆蓋度與干旱條件的相關(guān)分析[J].地理學(xué)報(bào),2015,70(5):717-729.

[23]張彬,朱建軍,劉華民,等.極端降水和極端干旱事件對草原生態(tài)系統(tǒng)的影響[J].植物生態(tài)學(xué)報(bào),2014,38(9):1008-1018.

[24]Liu G, Liu H, Yin Y. Global patterns of NDVI-indicated vegetation extremes and their sensitivity to climate extremes[J]. Environmental Research Letters, 2013,8(2):025009.

[25]Tan Z, Tao H, Jiang J, et al. Influences of climate extremes on NDVI(normalized difference vegetation index)in the Poyang Lake Basin, China[J]. Wetlands, 2015,35(6):1033-1042.

[26]周德成,趙淑清,朱超.退耕還林工程對黃土高原土地利用/覆被變化的影響:以陜西省安塞縣為例[J].自然資源學(xué)報(bào),2011,26(11):1866-1878.